Web3D场景轻量化：AI自动LOD与贴图压缩实验

浏览器端三维交互的瓶颈往往不在渲染逻辑，而在资产本身。实验室近期把工作集中在 Web3D 场景的 AI 轻量化管线上：用边坍缩与二次误差度量生成 LOD 链，再由视觉特征相似度模型对每一级简化结果做质量打分，替代单纯依据几何误差的判定方式，避免小构件、细纹理在简化中被优先抹平。贴图侧采用神经压缩与按需解码，首屏只加载视野内可见层级。

进展：在 24 个测试场景（原始资产合计 1.8GB）上，发布包体平均下降 61%，首屏可交互时间由 4.8s 降至 1.9s，视觉相似度评分保持在 0.93 以上；但样本量有限，且在半透明材质与细长结构场景中，简化后仍会出现轮廓抖动。

下一步：将质量评分接入 WebGPU 计算管线，做端内实时评估；同时测试 3DGS 资产的流式加载与拾取交互，验证其在移动端的可用性。